• 지능정보연구
• /
• 제25권3호
• /
• pp.239-251
• /
• 2019

본 논문은 학습데이터의 크기에 따른 사례기반추론기법이 주가예측력에 어떻게 영향을 미치는지 살펴본다. 삼성전자 주가를 대상을 학습데이터를 2000년부터 2017년까지 이용한 경우와 2015년부터 2017년까지 이용한 경우를 비교하였다. 테스트데이터는 두 경우 모두 2018년 1월 1일부터 2018년 8월 31일까지 이용하였다. 시계 열데이터의 경우 과거데이터가 얼마나 유용한지 살펴보는 측면과 유사사례개수의 중요성을 살펴보는 측면에서 연구를 진행하였다. 실험결과 학습데이터가 많은 경우가 그렇지 않은 경우보다 예측력이 높았다. MAPE을 기준으로 비교할 때, 학습데이터가 적은 경우, 유사사례 개수와 상관없이 k-NN이 랜덤워크모델에 비해 좋은 결과를 보여주지 못했다. 그러나 학습데이터가 많은 경우, 일반적으로 k-NN의 예측력이 랜덤워크모델에 비해 좋은 결과를 보여주었다. k-NN을 비롯한 다른 데이터마이닝 방법론들이 주가 예측력 제고를 위해 학습데이터의 크기를 증가시키는 것 이외에, 거시경제변수를 고려한 기간유사사례를 찾아 적용하는 것을 제안한다.

• 대한건축학회논문집:계획계
• /
• 제36권4호
• /
• pp.103-111
• /
• 2020

Perforated metal sheets are used as panels of facades for controlling environmental factors while ensuring user's visibility. Despite their functional potentials, only a specific direction of facades or an orientation of a building was considered in the relevant studies. This study proposed a design methodology for the perforated panel facades that reflects the location on the facades and the user's requirements. The optimization of quantitative and qualitative performance is achieved through communication between designers and users in a VR system. In optimizing quantitative performances, designers use machine learning techniques such as clustering and genetic algorithm to allocate optimal panels on the facades. In optimizing qualitative performances, through the VR system, users intervene in evaluating performances whose preferences are depending on them. The experiment using the office project showed that designers were able to make decisions based on clustering using GMM to optimize multiple quantitative performances. The gap between the target and final performance could be narrowed by limiting the types of perforated panels considering mass customization. In assessing visibility as a qualitative performance, users were able to participate in the design process using the VR system.

• 한국수자원학회논문집
• /
• 제53권6호
• /
• pp.395-408
• /
• 2020

본 연구논문은 북부아프리카의 알제리에 위치한 하천유역에서 다중선행일 유출량의 예측을 위하여 진화적 최적화기법과 k-fold 교차검증을 결합한 세 개의 서로 다른 기계학습 접근법 (인공신경망, 적응 뉴로퍼지 시스템, 그리고 웨이블릿 기반 신경망)을 개발하고 적용하는 것이다. 인공신경망과 적응 뉴로퍼지 시스템은 root mean squared error (RMSE), Nash-Sutcliffe efficiency (NSE), correlation coefficient (R), 그리고 peak flow criteria (PFC) 의 네 개의 통계지표를 기반으로 하여 모형의 훈련 및 테스팅 결과 유사한 모형수행결과를 나타내었다. 웨이블릿 기반 신경망모형은 하루선행일 테스팅의 결과 RMSE = 8.590 ㎥/sec 과 PFC = 0.252로 분석되어서 인공신경망의 RMSE = 19.120 ㎥/sec, PFC = 0.446 과 적응 뉴로퍼지 시스템의 RMSE = 18.520 ㎥/sec, PFC = 0.444 보다 양호한 결과를 나타내었고, NSE와 R의 값도 웨이블릿 기반 신경망모형이 우수한 것으로 나타났다. 그러므로 웨이블릿 기반 신경망은 알제리 세이보스 하천에서 다중선행일의 예측을 위하여 효율적인 도구로 사용할 수 있다.

• 융합보안논문지
• /
• 제18권5_1호
• /
• pp.59-66
• /
• 2018

기계학습을 이용하는 침입 탐지 시스템의 성능은 특징 집합의 구성과 크기에 크게 좌우된다. 탐지율과 같은 시스템의 탐지 정확도는 특징 집합의 구성에, 학습 및 탐지 시간은 특징 집합의 크기에 의존한다. 따라서 즉각적인 대응이 필수인 침입 탐지 시스템의 실시간 탐지가 가능하도록 하려면, 특징 집합은 크기가 작으면서도 적절한 특징들로 구성하여야 한다. 본 논문은 실시간 탐지를 위한 특징 집합 선택 문제를 해결하기 위해 사용했던 기존의 다목적 유전자 알고리즘에 특징 간의 Pearson 상관계수를 함께 사용하면 탐지율을 거의 낮추지 않으면서도 특징 집합의 크기를 줄일 수 있음을 보인다. 제안한 방법의 성능평가를 위해 NSL_KDD 데이터를 사용하여 10가지 공격 유형과 정상적인 트래픽을 구별하도록 인공신경망을 설계, 구현하여 실험한다.

• 전자공학회논문지
• /
• 제50권11호
• /
• pp.206-216
• /
• 2013

감성은 학습, 행동, 의사결정, 상호대화를 포함한 인간의 일상생활에 중요한 요소이다. 본 논문에서는 시스템의 복잡도를 줄이기 위하여 생체신호로부터 최소한의 중요한 특징만을 추출하여 사용하는 감성 분류기를 설계하고자 한다. 생체신호는 맥파, 피부온도, 피부전도도, 뇌파신호(전두엽, 두정엽)를 사용하였으며, 4가지 감정(보통, 슬픔, 공포, 행복)은 영화 관람을 통하여 유도하였다. 측정한 생체신호로부터 추출한 24개의 특징으로부터 최적의 특징 집합의 결정은 서포트벡터머신 기반 적합도 함수를 사용하는 유전알고리즘을 적용하였다. 최적의 4감정 분류 정확도는 96.4%이었으며, 서포트벡터머신만을 사용하였을 경우보다 17% 높았다. 선택된 최소에러 특징은 맥파 심박변이도의 평균, NN50, 맥파 유도 맥파 전달 시간의 평균, 피부전도도의 평균과 두정엽 뇌파의 ${\delta}$, ${\beta}$ 주파수 대역에너지였다. 실험을 통하여 두정엽 뇌파, 맥파, 피부전도도의 조합이 고정밀 감정 장비에 적합하였으며, 79% 성능을 보인 맥파와 피부전도도의 조합이 간단한 감성장비에 적절하게 적용할 수 있다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권7호
• /
• pp.3093-3115
• /
• 2020

Network anomaly detection system plays an essential role in detecting network anomaly and ensuring network security. Anomaly detection system based machine learning has become an increasingly popular solution. However, due to the unbalance and high-dimension characteristics of network traffic, the existing methods unable to achieve the excellent performance of high accuracy and low false alarm rate. To address this problem, a new network anomaly detection method based on data balancing and recursive feature addition is proposed. Firstly, data balancing algorithm based on improved KNN outlier detection is designed to select part respective data on each category. Combination optimization about parameters of improved KNN outlier detection is implemented by genetic algorithm. Next, recursive feature addition algorithm based on correlation analysis is proposed to select effective features, in which a cross contingency test is utilized to analyze correlation and obtain a features subset with a strong correlation. Then, random forests model is as the classification model to detection anomaly. Finally, the proposed algorithm is evaluated on benchmark datasets KDD Cup 1999 and UNSW_NB15. The result illustrates the proposed strategies enhance accuracy and recall, and decrease the false alarm rate. Compared with other algorithms, this algorithm still achieves significant effects, especially recall in the small category.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제7권6호
• /
• pp.684-695
• /
• 2001

최근의 추천 시스템은 협력적 여과 시스템의 희박성과 초기 평가 문제를 해결하기 위하여 내용 기반 여과 시스템과 협력적 여과 시스템을 병합하는 방법을 사용한다. 협력적 여과 시스템은 부가적인 상품을 예측하기 위해 사용자의 선호도에 대한 데이타베이스를 사용한다. 내용 기반 여과 시스템은 상품의 속성과 사용자의 흥미를 대조함에 의해 아이템을 추천한다. 본 논문에서는 두 가지의 기술을 기계 학습 알고리즘에 응용하고 병합함으로써 사용자의 선호도를 발견하는 방법을 기술한다. 제안된 협력적 여과 방법에서는 유전자 알고리즘을 이용하여 Naive Bayes 분류자에 의해 분류된 아이템을 기반으로 사용자 군집을 생성하며 내용 여과 기법에서는 연관 피드백에 의해 사용자의 흥미를 추출함으로써 사용자의 프로파일을 생성한다. 제안된 방법은 웹문서에 대해 사용자가 평가한 데이타베이스에서 평가되며 기존의 방법보다 높은 성능을 나타냄을 보인다.

• 한국지능시스템학회논문지
• /
• 제10권5호
• /
• pp.506-512
• /
• 2000

본 논문에서는 연속적인 입력을 연속적인 출력으로 매핑하는 것을 가능하게 하는 퍼지 분류자 시스템을 제안한다. 퍼지 분류자 시스템은 기계학습의 방법중 하나인 분류자 시스템을 퍼지 제어기의 개념에 적용한 것이다. 즉 분류자의 조건부는 퍼지 규칙의 전건부와 행동부는 후건부와 같은 행태가 된다. 퍼지 분류자 시스템은 입력 값을 퍼지화된 메시지로 변환하고 메시지 리스트에 저장한다. 저장된 메시지와 퍼지 분류자 리스트의 분류자들과 정합과정을 통해 룰-베이스를 구성하고, 퍼지 분류자들의 유용성을 검증하기 우해 버킷 릴레이 알고리즘을 적용한다. 또한 새로운 규칙을 생성하거나 규칙을 수정하여 시스템의 성능을 향상시키기 위해 알고리즘을 사용한다. 이러한 과정을 통해 유용한 규칙집합을 찾아내고, 시스템은 그 규칙들에 의해 출력 값을 내보낸다. 제안된 퍼지 분류자 시스템을 자율이동로봇의 충돌 회피 학습에 적용하여 그 유용성을 확인하였다.

• 한국정보과학회논문지:정보통신
• /
• 제32권3호
• /
• pp.301-309
• /
• 2005

시스템 호출 감사자료기반 기계학습기법을 사용한 프로그램 행위 학습방법은 효과적인 호스트 기반 침입탐지 방법이며, 규칙 학습, 신경망, 통계적 방법, 은닉 마크로프 모델 등의 방법이 대표적이다. 그 중에서 신경망은 시스템 호출 시퀀스를 학습하는데 있어 적합하다고 알려져 있는데, 실제 문제에 적용하여 좋은 성능을 내기 위해서는 그 구조를 결정하는 것이 중요하다 하지만 보통의 신경망은 그 구조를 찾기 위한 방법이 알려져 있지 않아 침입탐지에 효과적인 구조를 찾기 위해서는 많은 시간이 요구된다. 본 논문에서는 기존 신경망 기반 침입탐지시스템의 단점을 보완하고 성능을 향상시키기 위해 진화신경망을 이용한 방법을 제안한다. 진화 신경망은 신경망의 구조와 가중치를 동시에 학습하기 때문에 일반 신경망보다 빠른 시간에 더 좋은 성능의 신경망을 얻을 수 있다는 장점이 있다. 1999년의 DARPA IDEVAL 자료로 실험한 결과 기존의 연구보다 좋은 탐지율을 보여 진화신경망이 침입탐지에 효과적임을 확인할 수 있었다.

• 한국지능시스템학회논문지
• /
• 제10권3호
• /
• pp.252-259
• /
• 2000

본 논문에서는 영상의 에지 검출을 수행하기 위한 퍼지 규칙을 학습하는 퍼지 분류자 시스템을 제안한다. 퍼지 분류자 시스템은 기계학습의 방법을 퍼지 논리의 개념에 적용한 것이다. 즉 분류자의 조건부와 행동부는 퍼지 규칙에서위 전건부와 후건부와 같은 것이 된다 퍼지 규칙을 진화에 의해 획득하는 방법론으로는 크게 미시간 접근법과 피츠 접근법이 있으며, 본 논문에서는 미시간 방법의 퍼지 분류자 시스템을 사용한다. 미시간 접근방법은 하나의 퍼지 IF-THEN 규칙이 진화연산의 직접적인 진화 대상이 되는 하나의 개체로 코드화된다. 또한 퍼지 분류자 시스템은 유전 알고리즘을 사용하여 새로운 규칙을 생성하거나 규칙을 수정하여 시스템의 성능을 향상시킨다. 제안된 방법은 영상 처리와 컴퓨터 비전 분야에서 인식과 구분ㅇ르 수행하기 위한 전처리 단계에 해당하는 에지 검출에 적용하여 그 유효성을 검증한다. 즉, 영상엣 한 픽셀이 이웃하는 픽셀들의 평균 그렝 레벨의 차리를 퍼지 집합으로 표현하고 퍼지 IF-THEN 규칙을 사용하여 에지를 검출하고, 이것을 Sobel 에지 검출방법으로 얻어진 결과와 비교하여 에지 검출에 사용된 규칙의 유용성을 판단한다.